DAgger
由Stéphane Ross等人于2011年提出的交互式模仿学习算法，通过让专家对智能体实际访问的状态重新标注，使训练数据分布逐渐向智能体自身访问分布靠拢，缓解行为克隆的误差累积问题
时间轴 (近 90 天)
在线策略蒸馏的训练数据由学生当前策略与环境交互产生，状态分布随学生策略更新而变化，与 DAgger 思想一脉相承，可缓解分布偏移。
DAgger（数据集聚合）方法让专家对模型执行中的偏差状态进行纠正标注，以解决行为克隆的分布偏移问题。
DAgger（Dataset Aggregation）由Ross等人2011年提出，核心思想是在测试时收集模型真实状态分布并持续追加专家反馈到训练集，以解决协变量偏移问题
通过值分布目标结合 DAgger 方法将搜索收益蒸馏回策略网络，带来 +0.045 的胜率提升（1,600 场对局，p = 0.007）
DAgger通过在策略执行过程中交互式请求专家标注来缓解分布偏移,但要求专家在线持续参与
DAgger(Dataset Aggregation)是一种交互式学习算法,通过在策略执行过程中交互式地请求专家标注来缓解分布偏移
DAgger算法通过迭代式地请求专家纠正来缓解模仿学习中的分布漂移问题
Stéphane Ross等人提出了DAgger算法以缓解行为克隆的分布偏移问题
DAgger算法由Stéphane Ross等人提出，通过在训练中持续让学生模型产生新轨迹并请求教师标注来缓解分布偏移
Stéphane Ross等人提出DAgger算法，通过训练中持续让学生模型产生新轨迹并请求教师标注来缓解行为克隆的分布偏移问题
全部知识事实 (10)
DAgger算法通过迭代式地请求专家纠正来缓解模仿学习中的分布漂移问题
70%待验证在线策略蒸馏的训练数据由学生当前策略与环境交互产生，状态分布随学生策略更新而变化，与 DAgger 思想一脉相承，可缓解分布偏移。
50%待验证DAgger（数据集聚合）方法让专家对模型执行中的偏差状态进行纠正标注，以解决行为克隆的分布偏移问题。
50%待验证DAgger（Dataset Aggregation）由Ross等人2011年提出，核心思想是在测试时收集模型真实状态分布并持续追加专家反馈到训练集，以解决协变量偏移问题
50%待验证通过值分布目标结合 DAgger 方法将搜索收益蒸馏回策略网络，带来 +0.045 的胜率提升（1,600 场对局，p = 0.007）
50%待验证DAgger通过在策略执行过程中交互式请求专家标注来缓解分布偏移,但要求专家在线持续参与
50%待验证DAgger(Dataset Aggregation)是一种交互式学习算法,通过在策略执行过程中交互式地请求专家标注来缓解分布偏移
50%待验证Stéphane Ross等人提出了DAgger算法以缓解行为克隆的分布偏移问题
50%待验证DAgger算法由Stéphane Ross等人提出，通过在训练中持续让学生模型产生新轨迹并请求教师标注来缓解分布偏移
50%待验证Stéphane Ross等人提出DAgger算法，通过训练中持续让学生模型产生新轨迹并请求教师标注来缓解行为克隆的分布偏移问题
50%